基于实例分割的手写藏文文本行检测方法研究
贡保加
安见才让
青海民族大学智能科学与工程学院 青海 西宁 810007
摘要：针对目前手写藏文文本检测数据稀少、文本行检测精度较低等问题,构建了一个脱机手写藏文文本图像数据集,并提出了一种改进Mask R-CNN的手写藏文文本行检测算法.为了更高效利用网络中不同尺度的特征,将特征提取网络中的FPN替换为ASFF,可以动态学习特征中可用信息并且自适应融合多个级别的特征图,能够增强特征图中具有区分性的特征,过滤不同级别间的矛盾信息.然后在Mask分支添加CAM注意力机制,调整对每个通道的关注度,使得网络能够更好地聚焦于重要的特征.实验结果表明,改进的Mask R-CNN算法提高了对手写藏文文本行的检测精度,相比传统的Mask R-CNN算法mAP值提高了6.9%.
关键词：实例分割手写藏文文本检测特征融合
资助基金：青海民族大学校级本硕博(学生)项目(09M2023004)
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 23-26 )